赤峰計算機(jī)培訓(xùn)學(xué)校：為什么深度學(xué)習(xí)仍未取代傳統(tǒng)的計算機(jī)視覺技術(shù)？深度學(xué)習(xí)只是一種計算機(jī)視覺工具，而不是包治百病的良藥，不要因為流行就一味地使用它。傳統(tǒng)的計算機(jī)視覺技術(shù)仍然可以大顯身手，了解它們可以為你省去很多的時間和煩惱；并且掌握傳統(tǒng)計算機(jī)視覺確實可以讓你在深度學(xué)習(xí)方面做得更好。這是因為你可以更好地理解深度學(xué)習(xí)的內(nèi)部狀況，并可執(zhí)行預(yù)處理步驟改善深度學(xué)習(xí)結(jié)果，深度學(xué)習(xí)已經(jīng)取代了傳統(tǒng)的計算機(jī)視覺嗎？或是換種說法：既然深度學(xué)習(xí)看起來如此有效，是否還有必要學(xué)習(xí)傳統(tǒng)的計算機(jī)視覺技術(shù)？

這個問題很好。深度學(xué)習(xí)確實給計算機(jī)視覺和人工智能領(lǐng)域帶來了革命性的突破。許多曾經(jīng)看似困難的問題，現(xiàn)在機(jī)器可以比解決的比人類還好。圖像分類就是最好的印證。確實，如從前所述，赤峰?？票究茖W(xué)歷提升深度學(xué)習(xí)有責(zé)任將計算機(jī)視覺納入行業(yè)版圖。但深度學(xué)習(xí)仍然只是計算機(jī)視覺的一個工具，且顯然不是解決所有問題的靈丹妙藥。也就是說，我將說明傳統(tǒng)的計算機(jī)視覺技術(shù)為何仍十分有用，值得我們繼續(xù)學(xué)習(xí)并傳授下去。

深度學(xué)習(xí)需要大數(shù)據(jù)，深度學(xué)習(xí)有時會做過了頭，傳統(tǒng)計算機(jī)視覺將會提升你的深度學(xué)習(xí)水平，在深度學(xué)習(xí)出現(xiàn)以前，如果你有一項諸如圖像分類的工作，你會進(jìn)行一步叫做特征提取的處理。所謂特征就是圖像中有趣的、描述性的、或是提供信息的小部分。你會應(yīng)用我在本文中稱之為的傳統(tǒng)計算機(jī)視覺技術(shù)的組合來尋找這些特征，包括邊緣檢測、角點檢測、對象檢測等等。赤峰計算機(jī)培訓(xùn)學(xué)校在使用這些與特征提取和圖像分類相關(guān)的技術(shù)時，會從一類對象的圖像中提取出盡可能多的特征，并將其視為這類對象的定義。接下來你要在其它圖像中搜索這些定義。如果在另一個圖像中存在著詞袋中相當(dāng)一部分的特征，那么這個圖像就被歸為包含那個特定對象的分類。

這種圖像分類的特征提取方法的難點在于你必須在每張圖像中選擇尋找哪些特征。隨著你試圖區(qū)分的類別數(shù)目開始增長，比如說超過10或20，這就會變得非常麻煩甚至難以實現(xiàn)。你要尋找角點？邊緣？還是紋理信息？不同類別的對象最好要用不同種類型的特征來描述。如果你選擇使用很多的特征，你就不得不處理海量的參數(shù)，而且還需要自己來微調(diào)。

深度學(xué)習(xí)引入了端到端學(xué)習(xí)這一概念，讓機(jī)器在每個特定類別的對象中學(xué)習(xí)尋找特征，即最具描述性、最突出的特征。換句話說，讓神經(jīng)網(wǎng)絡(luò)去發(fā)現(xiàn)各種類型圖像中的潛在模式。但是一個訓(xùn)練不良的模型在你的訓(xùn)練數(shù)據(jù)之外很可能表現(xiàn)糟糕，因為機(jī)器并沒有對于問題的洞察力，也就不能在沒看到數(shù)據(jù)的情況下進(jìn)行概括歸納。而且對你來說查看訓(xùn)練模型內(nèi)部并進(jìn)行手動調(diào)整又太過困難，因為一個深度學(xué)習(xí)模型內(nèi)部擁有數(shù)以百萬計的參數(shù)——每個參數(shù)在訓(xùn)練期間都會被調(diào)整。某種程度上說，一個深度學(xué)習(xí)模型就是一個黑箱。

赤峰計算機(jī)培訓(xùn)學(xué)校里傳統(tǒng)的計算機(jī)視覺完全透明，允許你更好地評估判斷你的解決方案是否在訓(xùn)練環(huán)境之外依然有效。你對問題的深入見解可以放進(jìn)你的算法之中。并且如果任何地方出現(xiàn)故障，你也可以更輕易地弄清楚什么需要調(diào)整，在哪里調(diào)整，深度學(xué)習(xí)有時做過了頭，這大概是我最喜歡的支持研究傳統(tǒng)計算機(jī)視覺技術(shù)的理由，此外，如果你的訓(xùn)練模型表現(xiàn)不佳呢？你不得不返回原點，用不同的訓(xùn)練參數(shù)重做全部工作。這一過程可能會重復(fù)數(shù)百次。

但有時候所有這些完全沒必要。因為傳統(tǒng)計算機(jī)視覺技術(shù)可以比深度學(xué)習(xí)更有效率地解決問題，而且使用的代碼更少。例如，我曾經(jīng)參與的一個項目是檢查每個通過傳送帶的罐子里是否有一個紅勺子?，F(xiàn)在你可以通過前文敘述的曠日持久的過程來訓(xùn)練一個深度神經(jīng)網(wǎng)絡(luò)去檢測勺子，或者你也可以寫一個簡單的以紅色為閾值的算法，然后計算有多少白色的像素。簡簡單單，一個小時就可以搞定！

掌握傳統(tǒng)的計算機(jī)視覺技術(shù)可能會為你節(jié)省大量的時間并減少不必要的煩惱，傳統(tǒng)計算機(jī)視覺會提升你的深度學(xué)習(xí)技巧，理解傳統(tǒng)的計算機(jī)視覺實際上能幫你在深度學(xué)習(xí)上做得更好，總而言之，赤峰計算機(jī)培訓(xùn)學(xué)校的深度學(xué)習(xí)只是一種計算機(jī)視覺的工具，而不是包治百病的良藥。不要因為流行就一味地使用它。赤峰職業(yè)技能證書辦理傳統(tǒng)的計算機(jī)視覺技術(shù)仍然可以大顯身手，了解它們可以為你省去很多的時間和煩惱。